Nurdin, Muhammad Fabian (2025) IDENTIFIKASI DAN KLASIFIKASI CACAT PADA BIJI KOPI MENGGUNAKAN CNN DENGAN TRANSFER LEARNING BERBASIS CITRA RGB. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf - Published Version Download (739kB) |
|
Text (BAB I)
BAB I.pdf - Published Version Download (146kB) |
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Registered users only Download (337kB) |
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Registered users only Download (307kB) |
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Registered users only Download (273kB) |
|
Text (BAB V)
BAB V.pdf - Published Version Download (38kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (139kB) |
|
Text (PUBLIKASI)
Publikasi.pdf - Published Version Restricted to Repository staff only Download (768kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 22.61.0233.zip - Published Version Restricted to Repository staff only Download (115MB) |
Abstract
Kopi merupakan komoditas unggulan Indonesia yang memiliki nilai ekonomi tinggi sehingga pengendalian kualitasnya sangat penting, terutama pada tahap pascapanen. Proses penyortiran biji kopi masih dilakukan secara manual yang menyebabkan kelambatan, ketidakefisienan, dan hasil yang tidak konsisten. Studi ini bertujuan untuk mengembangkan sistem klasifikasi biji kopi secara real-time menggunakan pendekatan deep learning berbasis transfer learning melalui CNN DenseNet201. Dengan memanfaatkan teknologi visi komputer, sistem ini diharapkan mampu mengidentifikasi biji kopi berkualitas dan cacat secara otomatis tanpa perlu perangkat keras khusus atau proses tambahan yang kompleks. Penelitian ini berkontribusi dalam penyediaan sistem klasifikasi yang cepat, akurat, dan dapat diinterpretasikan dalam mendukung otomasi industri kopi, khususnya dalam penilaian kualitas biji kopi. Hasil yang diperoleh diharapkan dapat meningkatkan efisiensi serta menstandardisasi proses sortir kopi di Indonesia.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Kopi, klasifikasi, DenseNet201, deep learning, RGB, penyortiran, kualitas, coffee, classification, sorting, quality. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 16 Jul 2026 06:44 | ||
| Last Modified: | 16 Jul 2026 06:44 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/32192 |
Actions (login required)
 |
View Item |